Wat is de vaardigheid Power BI Semantic Model Authoring?

Important

Deze functie is beschikbaar als preview-versie.

Met de vaardigheid Power BI semantic-model-authoring kunnen AI-agents Power BI semantische modellen maken, bewerken, implementeren en beheren in Power BI Desktop-, PBIP-projecten en de Fabric Service. De vaardigheid wordt aangeboden in de Skills for Fabric-marktplaats, meegeleverd in de powerbi-authoring-invoegtoepassing.

De vaardigheid omvat een breed scala aan semantische modeltaken, bijvoorbeeld:

  • Nieuwe semantische modellen maken in de modus Import, DirectQuery of Direct Lake.
  • Bestaande modellen bewerken: tabellen, kolommen, relaties, metingen en DAX.
  • DAX-prestaties optimaliseren en modellen analyseren op basis van best practices.
  • Semantische modellen voorbereiden voor gebruik door AI met Fabric Copilot en Power BI Data Agents.
  • Modellen implementeren in Fabric werkruimten, ze vernieuwen en gegevensbronnen, parameters en machtigingen beheren.

Prerequisites

Voordat u begint, moet u ervoor zorgen dat u het volgende heeft:

  • De powerbi-authoring-invoegtoepassing geïnstalleerd - Volg de instructies in Power BI Agentic overview om de invoegtoepassing te installeren. Het installeren van de invoegtoepassing maakt de semantic-model-authoring vaardigheid beschikbaar en registreert de Power BI Modeling MCP-server.
  • Een semantisch model - Power BI Desktop met een geopend model, een PBIP-project op schijf of een semantisch model in een Fabric-werkruimte.

Get started

  1. Open Power BI Desktop met een geladen semantisch model.

  2. Voer in GitHub Copilot een smoke-testprompt uit om te bevestigen dat de skill en MCP-server goed zijn verbonden:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    De agent moet de semantic-model-authoring-skill laden, verbinding maken met Power BI Desktop via de Power BI Modeling MCP-server, het model inventariseren en de bevindingen gegroepeerd op ernstniveau rapporteren. Als de agent u vraagt om de MCP-server te registreren of de invoegtoepassing te installeren, gaat u opnieuw naar de installatiestappen voordat u doorgaat.

    Tip

    Als u ervoor wilt zorgen dat een specifieke vaardigheid wordt geladen, roept u deze expliciet aan met een slash-opdracht, /semantic-model-authoring [your prompt]bijvoorbeeld.

Waarom de Power BI MCP-server belangrijk is

De vaardigheid semantic-model-authoring is niet strikt afhankelijk van de Power BI Modeling MCP-server, maar die wordt sterk aanbevolen. De skill Tool Selection Priority routeert authoringbewerkingen eerst naar de MCP-server, omdat dat het meest betrouwbare pad met de meeste functionaliteit is.

Wanneer de MCP-server niet is geregistreerd, valt de functie terug op rechtstreekse bewerking van TMDL-bestanden (PBIP) of REST-heen-en-weeraanvragen getDefinition / updateDefinition (Fabric-werkruimte). Werken met Power BI Desktop zonder PBIP en zonder MCP-server wordt niet ondersteund - de agent stopt en vraagt u de MCP-server te registreren of het model op te slaan als PBIP.

Zie de documentatie Power BI Modeling MCP voor handmatige installatie of geavanceerde configuratie.

Voorbeeld: Een semantisch model voorbereiden voor AI

Gebruik dit voorbeeld om uw installatie end-to-end te valideren. De prompt activeert de workflow Semantic Model AI Readiness, waarmee de referentie semantic-model-ai-readiness.md wordt geladen en de gereedheidschecklist wordt doorlopen om uw model te configureren voor conversationele AI-ervaringen, zoals Fabric Copilot en Power BI Data Agents.

  1. Open uw model. Start Power BI Desktop en open het PBIX- of PBIP-model waarvan u het semantische model wilt voorbereiden op AI-verbruik.

  2. Start GitHub Copilot in de map van uw project.

  3. Voer de prompt uit:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    Met de slash-opdracht wordt de semantic-model-authoring vaardigheid geladen. De vaardigheid herkent de AI-gereedheidsintentie, laadt de verwijzing semantic-model-ai-readiness.md en voert de workflow Semantic Model AI Readiness uit.

  4. Controleren en goedkeuren. De agent inventariseert het model, evalueert het op basis van de controlelijst voor gereedheid en presenteert bevindingen gegroepeerd op ernst. Elke bevinding wordt gelabeld als 'van toepassing op de agent' of 'gebruikersactie vereist'. Keur de oplossingen goed die u wilt toepassen.

  5. Toepassen en valideren. De agent past goedgekeurde wijzigingen toe via de MCP-server (of via TMDL-bewerkingen als MCP niet is geregistreerd), slaat het model op en raadt aan representatieve prompts in natuurlijke taal te testen in Copilot of uw gegevensagent.

Voorbeeld: Een semantisch model maken boven op een Fabric Lakehouse

In dit voorbeeld wordt de werkstroom Nieuw Semantisch model maken voor een Lakehouse-gegevensbron gebruikt, waarmee een Direct Lake-model wordt geproduceerd.

  1. Bereid het Lakehouse voor. In het Fabric-portaal:

    1. Een werkruimte maken, SalesAnalyticsbijvoorbeeld.
    2. Maak in die werkruimte een Lakehouse - bijvoorbeeld SalesLakehouse.
    3. Laad het Lakehouse met voorbeeldgegevens. De snelste manier is om het Lakehouse te openen en Aan de slag met voorbeeldgegevens te selecteren om de ingebouwde gegevenssets Officiële feestdagen of NYC Taxi te laden, of uw eigen bestanden te uploaden naar Bestanden en deze naar Tabellen te laden.

  2. Start GitHub Copilot in een willekeurige map.

  3. Voer de prompt uit met de namen van uw werkruimte en Lakehouse:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    Met de slash-opdracht wordt de semantic-model-authoring vaardigheid geladen, waarmee de werkstroom Nieuw Semantisch model maken wordt uitgevoerd. De agent:

    1. Lost de werkruimte- en Lakehouse-id's op en detecteert het Lakehouse-schema (tabellen, kolommen, gegevenstypen).
    2. Hiermee maakt u een semantisch Direct Lake-model dat volgt en laadt u de relevante modelleringsrichtlijnen.
    3. Hiermee wordt het model geïmplementeerd in de doelwerkruimte

  4. Controleer in Fabric. Open de werkruimte en controleer of het nieuwe semantische model wordt weergegeven.

Troubleshooting

  • Skill wordt niet geladen - Controleer de installatie en registratie van de invoegtoepassing door Power BI Agentisch overzicht te volgen. Als de configuratie correct is en de skill nog steeds niet is geselecteerd, kan de agent de skill missen tijdens de gefaseerde onthulling. Test met een expliciete slash-opdracht en voeg vervolgens meer intentiedetails toe aan uw prompt:
  • MCP-server wordt niet geladen - Start GitHub Copilot CLI opnieuw nadat u de invoegtoepassing hebt geïnstalleerd of geregistreerd, zodat de nieuwe MCP-configuratie wordt opgehaald. Voer vervolgens copilot mcp show uit om te controleren of powerbi-modeling-mcp verschijnt en werkt.

Verwante inhoud

  • Last updated on